TLDR verze: Z mikroskopických snímků a neurálních sítí hlubších než Mariánský příkop. Oznámení tu.

Alexo, analyzuj sekvenační data!

Umělá inteligence vám vybírá hudbu, povídá si s vámi a pomalu už má i řidičák. Zatím jsme se taky (bohudík) dohodli, že by nebylo fajn, kdyby běhala kolem ozbrojená. Strojové učení tedy dostalo stetoskop, mikroskop a pustilo se do medicínských aplikací.

Medicína a molekulárně biologické obory momentálně pro umělou inteligenci představují jedno obrovské pískoviště. Dat je mrtě – sekvenace, detekce na mikročipech, pacientská data – a strojové učení je často zpracuje rychleji, než kdybychom je přehazovali vidlema ručně.

Navíc už nemusí jít nutně o ‚černou skříňku‘, do které naplujeme data a která vypluje výsledky. Stále častěji nám umělá inteligence umožňuje unikátní vhled do problému optikou nezaujatého kódu. To bylo také cílem výzkumu japonského týmu v čele s Yoichirem Yamamotou. Jejich umělá inteligence je schopná předpovědět návrat rakoviny vyléčeným pacientům, a říct, jak na to přišla.

Lepší z mikroskopických snímků než kávové sedliny

Umělá inteligence v japonském centru RIKEN se totiž naučila rozpoznávat nenápadné znaky na mikroskopických snímcích rakovinné tkáně. Konkrétně pak rakoviny prostaty. A to vše bez toho, aniž by jí výzkumníci řekli, co přesně má hledat – přišla na to sama pomocí tzv. deep neural networks.

Když pak porovnali předpověď umělé inteligence (vrátí se rakovina/nevrátí se rakovina) s předpovědí trénovaných profesionálů, byla na tom AI o prsa lépe (82% pravděpodobnost správného určení oproti 74,4%). Nejlépe však na tom byla předpověď patologů v kombinaci s radou umělé inteligence, která dokázala předpovědět návrat rakoviny s 84,2% pravděpodobností správného určení.

Zpětně pak taky umělá inteligence z mikroskopických obrázků extrahovala „oblasti“, které byly pro její rozhodování důležité. Přišla jak na patologům již známé znaky – jako nepravidelný tvar jader buněk rakoviny – tak zcela nové. Umělá inteligence se totiž rozhodovala i na základě vzhledu „zdravé“ tkáně v okolí rakoviny, která v předchozích klasifikacích nebyla příliš brána v potaz.

Doufám, že vám teď kontextová reklama prodává nějaký vitamín B17…

Totéž jinak

A není to jediná pozitivní zpráva ze světa křížení strojového učení a onkologie. Další studie, tentokrát z NorthwestU, použila totiž s podobně fajnovým výsledkem AI na detekci potenciálních nádorů na snímcích mamografu.

Také tentokrát stroje o fous předčily lidské onkology. A také tentokrát by udělátko mohlo poměrně brzy přijít do klinické praxe. Ne snad, že by AI vyšachovala obsluhu mamografů na vedlejší kolem a radiologové skončili na ulici. Cílem metody je především nabídnout doplňující odborný názor k lidskému odborníkovi.

V malém, leč nenulovém počtu případů totiž kontroly na mamografech přehlédnou nádor anebo naopak identifikují jako nádor zdravou tkáň. Obojí je problém pro pacienta i zdravotnický systém. S roboty by se však v brzké době mohlo podařit vychytat i většinu podobných případů, aniž by zároveň bylo třeba mít na place o člověka navíc.

Ale něco podobného ostatně platí i o japonských robonkolozích!

Síla kooperace

Vraťme se ale ještě do Japonska. V případě rozšíření zdejší AI a potvrzení jejích úspěch by na svět vyloupla další umělá inteligence, která by mohla koukat na vaše mikroskopické snímky a s patology nahlížejícími jí přes rameno pomoci určit vaši léčbu. Troufám si tvrdit, že v tomto případě se „v budoucnu“ nejedná o zásadně vzdálenou dobu. Jde přece „jen“ o kus kódu.

Zatím ale při vstupu do nemocnice raději androidy neočekávejte. Je pravděpodobné, že umělá inteligence zůstane ještě nějakou dobu přítomna v počítačích jako neviditelný rádce.

[TL]

Možnosti strojového učení bují příčně i podélně:

Vědátor vzniká v dílně spolku studentů a popularizátorů vědy UP Crowd za podpory MUDRstart, který tvoří přípravné testy pro studenty vysokých škol – podpořte i vy drobákem mojí snahu informovat o vědě věčně & vtipně a přispějte mi v kampani na Patreonu.

A sledujte mojí snahu případně i na Facebooku či YouTube!